MATLAB 中使用 inv() 函数求解线性方程组

inv() 函数是 MATLAB 中用于计算矩阵逆的核心函数，仅适用于求解适定线性方程组（即系数矩阵为 n 阶非奇异方阵、方程数等于未知数个数且有唯一解）。

一、inv() 求解的核心原理与使用前提

1. 核心原理

对于线性方程组 $A \cdot X = B$（$A$ 为 n 阶系数矩阵，$X$ 为未知数列向量，$B$ 为常数项列向量）：

• 若 $A$ 是非奇异矩阵（行列式≠0、满秩），则存在唯一逆矩阵 $A^{-1}$；
• 两边同时左乘 $A^{-1}$，可得解：$X = A^{-1} \cdot B$；
• inv(A) 函数的作用就是计算 $A^{-1}$，再与 $B$ 相乘得到解。

2. 严格使用前提（缺一不可）

• $A$ 必须是方阵（行数=列数，即方程数=未知数个数）；
• $A$ 必须非奇异（满秩、行列式≠0），否则 inv(A) 会报错“Matrix is singular to working precision”。

二、完整实操步骤（以三阶方程组为例）

示例方程组

求解以下适定线性方程组： $\begin{cases} x_1 + 2x_2 + 3x_3 = 14 \\ 2x_1 + 5x_2 + 2x_3 = 18 \\ 3x_1 + x_2 + 5x_3 = 20 \end{cases}$ 对应矩阵形式： $A = \begin{bmatrix}1 & 2 & 3 \\ 2 & 5 & 2 \\ 3 & 1 & 5\end{bmatrix}, \quad B = \begin{bmatrix}14 \\ 18 \\ 20\end{bmatrix}$

步骤1：定义系数矩阵 A 和常数向量 B

首先在 MATLAB 中准确定义矩阵和向量，注意 B 必须是列向量（用分号分隔）：

% 定义3阶系数矩阵A（方阵）
A = [1 2 3; 2 5 2; 3 1 5];
% 定义常数项列向量B（3×1）
B = [14; 18; 20];

步骤2：验证 A 是否为非奇异矩阵（可选但推荐）

在调用 inv() 前，先验证 A 的非奇异性，避免报错：

% 方法1：计算行列式（行列式≠0则非奇异）
det_A = det(A);
disp(['矩阵A的行列式：', num2str(det_A)]);

% 方法2：计算秩（秩=阶数则满秩/非奇异）
rank_A = rank(A);
disp(['矩阵A的秩：', num2str(rank_A), '，矩阵阶数：', num2str(size(A,1))]);

输出结果：

矩阵A的行列式：-18
矩阵A的秩：3，矩阵阶数：3

行列式=-18≠0、秩=3=阶数，说明 A 非奇异，可使用 inv() 求解。

步骤3：用 inv() 计算逆矩阵并求解方程组

核心代码仅两行，先求逆矩阵，再与 B 相乘：

% 计算A的逆矩阵
A_inv = inv(A);

% 求解方程组 X = A^-1 * B（注意是矩阵乘法*，而非点乘.*）
X = A_inv * B;

% 输出解
disp('方程组的解：');
disp(X);

输出结果：

方程组的解：
   1.0000
   2.0000
   3.0000

即 $x_1=1$、$x_2=2$、$x_3=3$，与理论解完全一致。

步骤4：验证解的正确性（必做）

通过计算“残差”验证解是否正确，残差接近 0 则解有效：

% 计算残差：A*X - B（理论上应全为0，浮点误差导致接近0）
residual = A * X - B;
disp('残差（理论值为0）：');
disp(residual);

输出结果：

残差（理论值为0）：
   1.0e-14 *
   -0.0888
    0.1776
         0

残差量级为 $10^{-14}$，可认为近似为 0，解正确。

三、完整可运行代码

% 1. 定义系数矩阵和常数向量
A = [1 2 3; 2 5 2; 3 1 5];
B = [14; 18; 20];

% 2. 验证A的非奇异性
det_A = det(A);
rank_A = rank(A);
disp(['矩阵A的行列式：', num2str(det_A)]);
disp(['矩阵A的秩：', num2str(rank_A), '，矩阵阶数：', num2str(size(A,1))]);

% 3. 求解方程组
if det_A ~= 0 && rank_A == size(A,1)
    A_inv = inv(A);
    X = A_inv * B;
    disp('=== 方程组的解 ===');
    disp(X);
    
    % 4. 验证解
    residual = A * X - B;
    disp('=== 残差（接近0则解正确） ===');
    disp(residual);
else
    disp('矩阵A为奇异矩阵，无法使用inv()求解！');
end

四、常见问题与避坑指南

1. 报错“Matrix is singular to working precision”

• 原因：A 是奇异矩阵（行列式=0、秩<阶数），不存在逆矩阵；
• 解决：
  • 检查方程组是否存在唯一解（适定）；
  • 改用 pinv()（伪逆）或 \ 运算符求解（推荐 \ 运算符）。

2. 解的精度低（残差大）

• 原因：A 是“病态矩阵”（条件数大，行列式接近0但不为0），inv() 对病态矩阵精度差；
• 解决：
  • 用 cond(A) 计算条件数（值越大越病态）；
  • 优先改用 \ 运算符（MATLAB 自动优化算法）；
  • 对数据做归一化预处理。

3. 维度不匹配报错“Inner matrix dimensions must agree”

• 原因：
  • B 是行向量（如 B = [14 18 20]），而非列向量；
  • 误将矩阵乘法 * 写成点乘 .*；
• 解决：
  • 将 B 改为列向量（B = [14; 18; 20]）；
  • 确保用 A_inv * B（矩阵乘法）。

4. 非方阵使用 inv() 报错

• 原因：A 不是方阵（如超定/欠定方程组），inv() 仅支持方阵；
• 解决：放弃 inv()，改用 \ 运算符（适配所有类型方程组）。

五、inv() 与 \ 运算符的对比（选型建议）

特性	inv() 函数	\ 运算符（左除）
适用场景	仅非奇异方阵（适定方程组）	所有类型方程组（适定/超定/欠定）
计算效率	低（先求逆再乘法）	高（直接求解，自动选最优算法）
精度	对病态矩阵差	对病态矩阵更鲁棒
代码复杂度	两步（求逆+乘法）	一步（A\B）

核心选型原则

• 仅在需要手动获取逆矩阵时用 inv()（如矩阵分析、理论验证）；
• 求解方程组优先用 \ 运算符：X = A \ B，效率和精度均优于 inv()，且适配场景更广。